minimize(method='Nelder-Mead')#

scipy.optimize.minimize(fun, x0, args=(), метод=None, jac=None, hess=None, hessp=None, границы=None, ограничения=(), tol=None, callback=None, опции=None)

Минимизация скалярной функции одной или нескольких переменных с использованием алгоритма Нелдера-Мида.

Смотрите также

Для документации по остальным параметрам см. scipy.optimize.minimize

Опции:

——-

dispbool

Установите True для вывода сообщений о сходимости.

maxiter, maxfevint

Максимально допустимое количество итераций и вычислений функции. По умолчанию будет N*200, где N это количество переменных, если ни maxiter или maxfev установлено. Если оба maxiter и maxfev установлены, минимизация остановится при первом достижении.

return_allbool, необязательно

Установите в True, чтобы вернуть список лучшего решения на каждой из итераций.

initial_simplexмассивоподобный объект формы (N + 1, N)

Начальный симплекс. Если задан, переопределяет x0. initial_simplex[j,:] должен содержать координаты j-й вершины N+1 вершины в симплексе, где N является размерностью.

xatolfloat, опционально

Абсолютная ошибка в xopt между итерациями, допустимая для сходимости.

fatolчисло, опционально

Абсолютная ошибка в func(xopt) между итерациями, допустимая для сходимости.

адаптивныйbool, необязательно

Адаптировать параметры алгоритма к размерности задачи. Полезно для минимизации в высоких размерностях [1].

границыпоследовательность или Bounds, опционально

Границы переменных. Существует два способа задания границ:

Экземпляр Bounds класс.
Последовательность (min, max) пары для каждого элемента в x. None используется для указания отсутствия границы.

Обратите внимание, что это просто обрезает все вершины в симплексе на основе границ.

Ссылки

[1]

Гао, Ф. и Хань, Л. Реализация симплексного алгоритма Нелдера-Мида с адаптивными параметрами. 2012. Computational Optimization and Applications. 51:1, стр. 259-277